Πού έγινε αυτή η φωτογραφία; Οι υπολογιστές ήταν κάποτε σε μειονεκτική θέση για τους ανθρώπους στην ικανότητά τους να χρησιμοποιούν το περιβάλλον και τη μνήμη για να συναγάγουν την τοποθεσία μιας εικόνας. Αλλά εκείνες οι μέρες μπορεί να φθάνουν στο τέλος. Όπως αναφέρει η Julie Morgenstern για την ανασκόπηση τεχνολογίας MIT, ένα νέο νευρωνικό δίκτυο που αναπτύχθηκε από την Google μπορεί να ξεπεράσει τους ανθρώπους σχεδόν κάθε φορά - ακόμα και με φωτογραφίες που έχουν ληφθεί σε εσωτερικούς χώρους.
σχετικό περιεχόμενο
- Πόσα συγγραφείς της κωμωδίας παίρνει για να βοηθήσει το AI να πει ένα αστείο Funnier;
Ονομάζεται PlaNet και χρησιμοποιεί εικονοστοιχεία μιας φωτογραφίας για να καθορίσει το πού λήφθηκε. Για να εκπαιδεύσουν το νευρωνικό δίκτυο, οι ερευνητές διαιρέσαν τη Γη σε χιλιάδες γεωγραφικά "κελιά", και στη συνέχεια εισήγαγαν πάνω από 100 εκατομμύρια γεωγραφικές εικόνες στο δίκτυο. Ορισμένες από τις εικόνες χρησιμοποιήθηκαν για να διδάξουν το δίκτυο για να καταλάβουν πού έπεσε μια εικόνα στο πλέγμα των κελιών, ενώ άλλοι χρησιμοποιήθηκαν για την επικύρωση των αρχικών εικόνων.
Στη συνέχεια, τα πράγματα έγιναν σοβαρά: Οι ερευνητές έβαλαν σε άλλες 2, 3 εκατομμύρια εικόνες με ετικέτες και έβαλαν το δίκτυο στη δοκιμή. Το PlaNet υπολογίστηκε όπου το 3, 6% ελήφθη με "ακρίβεια σε επίπεδο δρόμου", άλλο 10, 1% στο επίπεδο της πόλης, 28, 4% σε επίπεδο χώρας και 48% σε επίπεδο ηπείρου. Αν και δεν είναι τέλεια, αυτό είναι πολύ καλό για έναν υπολογιστή.
Τέλος, οι ερευνητές έβαλαν το δίκτυό τους στην τελική δοκιμή. Τον έριξαν ενάντια στους ανθρώπους για να δουν πόσο καλά σε σύγκριση με τις καλύτερες προσπάθειές τους να μαντέψουν μια θέση. Το 56% του χρόνου, το PlaNet μαντέψαμε καλύτερα από τους ανθρώπους-και οι λανθασμένες εικασίες του ήταν μόνο μεσαίες περίπου 702 μίλια μακριά από την πραγματική θέση των εικόνων. Αντίθετα, οι λανθασμένες εικασίες των ανθρώπων ήταν πάνω από 1.400 μίλια μακριά.
Εάν όλα αυτά σας υπενθυμίζουν το κακό σύστημα Skynet του Terminator, το οποίο σχεδιάστηκε για να εντοπίσει στρατιωτικό εξοπλισμό προτού γίνει αισθητό και καταστρέψει όλη την ανθρωπότητα, δεν είστε μόνοι. Η σύγκριση έχει ήδη γίνει - και δεδομένων των υπεράνθρωπων δεξιοτήτων των δικτύων, είναι αρκετά ικανή. Λοιπόν, εκτός από το αισθαντικό, κακό μέρος.
Οι ερευνητές πιστεύουν ότι μια μέρα, τα νευρικά δίκτυα θα ενσωματωθούν σε πράγματα όπως τα κινητά τηλέφωνα για να κάνουν πιο πολύπλοκες αναλύσεις και ακόμη και να διδάσκουν ο ένας τον άλλον. Αλλά αυτές τις μέρες, τα συστήματα αυτο-οργάνωσης φαίνονται ικανοποιημένα με το να υπολογίζουν πού παίρνουν φωτογραφίες και να δημιουργούν trippy, gallery-worth art ... για τώρα.
